超越视觉外观：基于混合图推理的隐私敏感对象识别
计算机视觉与模式识别
2025-10-16 v2 人工智能
摘要
隐私敏感对象识别 (POI) 任务为场景中的隐私敏感对象分配边界框。POI 的关键在于确定对象属于哪一隐私类别（隐私敏感或非隐私敏感）。与常规对象类别不同，后者由对象视觉外观决定，而一个对象的隐私类别源自场景上下文，受到各种隐含因素的影响，即超出其视觉外观。也就是说，视觉相似的对象可能在其隐私类别上完全相反。为从场景上下文中显式地推导对象所属的隐私类别，本文将 POI 任务解释为旨在场景中每个对象的隐私的视觉推理任务。基于此解释，我们提出了用于 POI 的 PrivacyGuard 框架。PrivacyGuard 包含三个阶段。i）结构化：首先将非结构化图像转换为包含丰富场景上下文的结构化、异构场景图。ii）数据增强：提出一种情境扰动过采样策略，以在场景图中创建略扰动的隐私敏感对象，从而平衡隐私类别的偏斜分布。iii）混合图生成与推理：将平衡的、异构场景图转换为混合图，通过赋予其额外的“节点-节点”和“边-边”同质路径。这一同质路径允许节点或边之间直接传递消息，从而加速推理并促进捕捉细微情境变化。在此基础上...（完整摘要请参见原文）
引用
@article{arxiv.2406.12736,
title = {Beyond Visual Appearances: Privacy-sensitive Objects Identification via Hybrid Graph Reasoning},
author = {Zhuohang Jiang and Bingkui Tong and Xia Du and Ahmed Alhammadi and Jizhe Zhou},
journal= {arXiv preprint arXiv:2406.12736},
year = {2025}
}
备注
I would like to formally request the withdrawal of my manuscript from arXiv. After a further internal review, I realized that the dataset used in this study contains personal or sensitive information that may inadvertently compromise individuals' privacy